Question

问题在于：我有一个像这样的XML片段：

<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>

对于结果，我想删除所有<a> - 和<c> - 标签，但保留其（文本）内容和子节点。此外，<b> - 元素应保持不变。那么结果应该是

<fragment>text1 inner<d>1</d> text2 <b>inner2</b> text3</fragment>

暂时，我将恢复一个非常脏的技巧：我将etree.tostring片段，通过正则表达式删除有问题的标签，并用etree.fromstring结果替换原始片段（不是真正的代码，但应该是这样的）：

from lxml import etree
fragment = etree.fromstring("<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>")
fstring = etree.tostring(fragment)
fstring = fstring.replace("<a>","")
fstring = fstring.replace("</a>","")
fstring = fstring.replace("<c>","")
fstring = fstring.replace("</c>","")
fragment = etree.fromstring(fstring)

我知道我可以使用xslt实现这一点，我知道lxml可以使用xslt，但是必须有更多的lxml本机方法吗？

供参考：我已经尝试过使用lxml的element.replace，但由于我想在之前有元素节点的地方插入文本，我认为我不能这样做。

Answer 1

试试这个：http://lxml.de/api/lxml.etree-module.html#strip_tags

>>> etree.strip_tags(fragment,'a','c')
>>> etree.tostring(fragment)
'<fragment>text1 inner1 text2 <b>inner2</b> text3</fragment>'

Answer 2

使用lxml的清除功能从html内容中删除标签。下面是一个做你想做的事情的例子。对于HTML文档，Cleaner是一个比使用strip_elements更好的通用解决方案，因为在这种情况下你想要剥离的不仅仅是标签;你也想摆脱其他标签上的onclick = function（）属性。

import lxml
from lxml.html.clean import Cleaner
cleaner = Cleaner()
cleaner.remove_tags = ['p']
remove_tags:

要删除的标记列表。只会删除标记，其内容将被拉入父标记。

在lxml中，如何删除标记但保留所有内容？

2 个答案: